Im lebenden Organismus Gefäßverletzungsanzeigen in der Netzhaut der Maus zur Förderung der Reproduzierbarkeit
Summary
Hier stellen wir drei Datenanalyseprotokolle für Fluorescein-Angiographie (FA) und optische Kohärenztomographie (OCT) Bilder in der Studie der Netzhautvenenokklusion (RVO) vor.
Abstract
Fortschritte bei ophthalmologischen Bildgebungswerkzeugen bieten Forschern, die mit Tiermodellen für neurovaskuläre Verletzungen arbeiten, einen beispiellosen Zugang. Um diese bessere Übersetzbarkeit richtig zu nutzen, müssen reproduzierbare Methoden entwickelt werden, um quantitative Daten aus diesen Bildern zu ziehen. Die optische Kohärenztomographie (OCT) kann die Netzhauthistologie mit Mikrometerauflösung auflösen und funktionelle Unterschiede im vaskulären Blutfluss aufdecken. Hier beschreiben wir nichtinvasive Gefäßanzeigen, die wir verwenden, um pathologische Schäden nach vaskulärer Beleidigung in einem optimierten Mausmodell des Netzhautvenenverschlusses (RVO) zu charakterisieren. Diese Auslesungen umfassen Live-Bildgebungsanalysen der Netzhautmorphologie, Disorganisation der retinalen inneren Schichten (DRIL) zur Messung der Kapillarischämie und Fluoreszenzangiographiemessungen des Netzhautödems und der vaskulären Dichte. Diese Techniken entsprechen direkt denen, die zur Untersuchung von Patienten mit Netzhauterkrankungen in der Klinik verwendet werden. Die Standardisierung dieser Methoden ermöglicht einen direkten und reproduzierbaren Vergleich von Tiermodellen mit klinischen Phänotypen ophthalmologischer Erkrankungen und erhöht die Translationskraft von Gefäßverletzungsmodellen.
Introduction
Neurovaskuläre Erkrankungen sind ein großes Gesundheitsproblem, das für ischämische Schlaganfälle, eine der Hauptursachen für Mortalität und Morbidität, und retinale Gefäßerkrankungen, die zu Sehverlust führen, verantwortlichist 1,2. Um neurovaskuläre Erkrankungen zu modellieren, verwenden wir ein Mausmodell des Netzhautvenenverschlusses (RVO). Dieses Modell ist nicht-invasiv und verwendet ähnliche In-vivo-Bildgebungstechniken wie diejenigen, die zur Untersuchung von Menschen mit retinalen Gefäßerkrankungen in einem klinischen Umfeld verwendet werden. Die Verwendung dieses Modells erhöht somit das translationale Potenzial von Studien, die dieses Modell verwenden. Wie bei allen Mausmodellen ist es wichtig, die Reproduzierbarkeit des Modells zu maximieren.
Netzhaut-Gefäßerkrankungen sind eine der Hauptursachen für Sehverlust bei Menschen unter 70 Jahren. RVO ist nach der diabetischen Retinopathie die zweithäufigste retinale Gefäßerkrankung3. Zu den klinischen Merkmalen, die für RVO charakteristisch sind, gehören ischämische Verletzungen, Netzhautödeme und Sehverlust als Folge eines neuronalen Verlusts 3,4. Mausmodelle von RVO unter Verwendung der Laser-Photokoagulation von Großgefäßen wurden entwickelt und verfeinert, um wichtige klinische Pathologien zu replizieren, die bei humaner RVO 5,6,7 beobachtet wurden. Fortschritte in der ophthalmologischen Bildgebung ermöglichen auch die Replikation nichtinvasiver Diagnosewerkzeuge, die beim Menschen verwendet werden, nämlich Fluoreszenzangiographie (FA) und optische Kohärenztomographie (OCT)6. Die Fluoreszenzangiographie ermöglicht die Beobachtung von Leckagen aufgrund des Zusammenbruchs der Blut-Netzhaut-Barriere (BRB) sowie der Blutflussdynamik in der Netzhaut, einschließlich der Okklusionsstellen, unter Verwendung der Injektion von Fluorescein, einem kleinen Fluoreszenzfarbstoff 8,9. Die OCT-Bildgebung ermöglicht die Aufnahme hochauflösender Querschnittsbilder der Netzhaut und die Untersuchung der Dicke und Organisation von Netzhautschichten10. Die Analyse von FA-Bildern war in der Vergangenheit weitgehend qualitativ, was das Potenzial für einen direkten und reproduzierbaren Vergleich zwischen Studien einschränkt. In jüngster Zeit wurde eine Reihe von Methoden zur Quantifizierung der Schichtdicke in der OCT-Bildgebung entwickelt, obwohl es derzeit kein standardisiertes Analyseprotokoll gibt und der Ort der OCT-Bildaufnahme variiert11. Um diese Tools richtig nutzen zu können, sind standardisierte, quantitative und replizierbare Datenanalysemethoden erforderlich. In diesem Artikel präsentieren wir drei solcher vaskulären Messwerte, die verwendet werden, um pathologische Schäden in einem Mausmodell von RVO-Fluorescein-Leckage, OCT-Schichtdicke und Desorganisation von Netzhautschichten zu bewerten.
Protocol
Representative Results
Discussion
Die nichtinvasive Netzhautbildgebung von Nagetieren bietet eine Möglichkeit, Pathologie zu untersuchen und Interventionen zu entwickeln. Frühere Studien haben ein Mausmodell von RVO entwickelt und optimiert, das die Variabilität begrenzt und eine zuverlässige Translation häufiger klinischer Pathologien in der murinen Netzhaut ermöglicht 5,7,13. Entwicklungen in der ophthalmologischen Bildgebungstechnologie ermöglichen dar…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Diese Arbeit wurde durch das National Science Foundation Graduate Research Fellowship Program (NSF-GRFP) Stipendium DGE – 1644869 (an CKCO), das National Eye Institute (NEI) 5T32EY013933 (an AMP), das National Institute of Neurological Disorders and Stroke (RO1 NS081333, R03 NS099920 an CMT) und das Department of Defense Army / Air Force (DURIP an CMT) unterstützt.
Materials
| AK-Fluor 10% | Akorn | NDC: 17478-253-10 | light-sensitive |
| Carprofen | Rimadyl | NADA #141-199 | keep at 4 °C |
| GenTeal | Alcon | 00658 06401 | |
| Image J | NIH | ||
| InSight 2D | Phoenix Technology Group | OCT analysis software | |
| Ketamine Hydrochloride | Henry Schein | NDC: 11695-0702-1 | |
| Phenylephrine | Akorn | NDCL174478-201-15 | |
| Phoenix Micron IV | Phoenix Technology Group | Retinal imaging microscope | |
| Phoenix Micron Meridian Module | Phoenix Technology Group | Laser photocoagulator software | |
| Phoenix Micron Optical Coherence Tomography Module | Phoenix Technology Group | OCT imaging software | |
| Phoenix Micron StreamPix Module | Phoenix Technology Group | Fundus imaging and acquisition targeting | |
| Photoshop | Adobe | ||
| Refresh | Allergan | 94170 | |
| Tropicamide | Akorn | NDC: 174478-102-12 | |
| Xylazine | Akorn | NDCL 59399-110-20 |
References
- Tong, X., et al. The burden of cerebrovascular disease in the united states. Preventing Chronic Disease. 16, 180411 (2019).
- Nakahara, T., Mori, A., Kurauchi, Y., Sakamoto, K., Ishii, K. Neurovascular interactions in the retina: physiological and pathological roles. Journal of Pharmacological Sciences. 123 (2), 79-84 (2013).
- Jaulim, A., Ahmed, B., Khanam, T., Chatziralli, I. Branch retinal vein occlusion: epidemiology, pathogenesis, risk factors, clinical features, diagnosis, and complications. An update of the literature. Retina. 33 (5), 901-910 (2013).
- Ho, M., Liu, D. T. L., Lam, D. S. C., Jonas, J. B. Retinal vein occlusions, from basics to the latest treatment. Retina. 36 (3), 432-448 (2016).
- Zhang, H., et al. Development of a new mouse model of branch retinal vein occlusion and retinal neovascularization. Japanese Journal of Ophthalmology. 51 (4), 251-257 (2007).
- Ebneter, A., Agca, C., Dysli, C., Zinkernagel, M. S. Investigation of retinal morphology alterations using spectral domain optical coherence tomography in a mouse model of retinal branch and central retinal vein occlusion. PLoS One. 10 (3), 0119046 (2015).
- Fuma, S., et al. A pharmacological approach in newly established retinal vein occlusion model. Scientific Reports. 7, 43509 (2017).
- Cavallerano, A. Ophthalmic fluorescein angiography. Clinical Optometry. 5 (1), 1-23 (1996).
- Laatikainen, L. The fluorescein angiography revolution: a breakthrough with sustained impact. Acta Ophthalmologica Scandinavica. 82 (4), 381-392 (2004).
- Huang, D., et al. Optical coherence tomography. Science. 254 (5035), 1178-1181 (1991).
- Oberwahrenbrock, T., et al. Reliability of intra-retinal layer thickness estimates. PLoS One. 10 (9), 0137316 (2015).
- Avrutsky, M. I., et al. Endothelial activation of caspase-9 promotes neurovascular injury in retinal vein occlusion. Nature Communications. 11 (1), 3173 (2020).
- Colón Ortiz, C., Potenski, A., Lawson, J., Smart, J., Troy, C. Optimization of the retinal vein occlusion mouse model to limit variability. Journal of Visualized Experiments: JoVE. (174), e62980 (2021).
- Schmidt-Erfurth, U., et al. Guidelines for the management of retinal vein occlusion by the European society of retina specialists (EURETINA). Ophthalmologica. 242 (3), 123-162 (2019).
- Yoshimura, T., et al. Comprehensive analysis of inflammatory immune mediators in vitreoretinal diseases. PLoS One. 4 (12), 8158 (2009).
- Mezu-Ndubuisi, O. J. In vivo angiography quantifies oxygen-induced retinopathy vascular recovery. Optometry and Vision Science. 93 (10), 1268-1279 (2016).
- Hui, F., et al. Quantitative spatial and temporal analysis of fluorescein angiography dynamics in the eye. PLoS One. 9 (11), 111330 (2014).
- Berry, D., Thomas, A. S., Fekrat, S., Grewal, D. S. Association of disorganization of retinal inner layers with ischemic index and visual acuity in central retinal vein occlusion. Ophthalmology. Retina. 2 (11), 1125-1132 (2018).
- Nicholson, L., et al. Diagnostic accuracy of disorganization of the retinal inner layers in detecting macular capillary non-perfusion in diabetic retinopathy. Clinical & Experimental Ophthalmology. 43 (8), 735-741 (2015).
- Obrosova, I., Chung, S., Kador, P. Diabetic cataracts: mechanisms and management. Diabetes/Metabolism Research and Reviews. 26 (3), 172-180 (2010).
- Hegde, K., Henein, M., Varma, S. Establishment of the mouse as a model animal for the study of diabetic cataracts. Ophthalmic Research. 35 (1), 12-18 (2003).
- Takahashi, H., et al. Time course of collateral vessel formation after retinal vein occlusion visualized by OCTA and elucidation of factors in their formation. Heliyon. 7 (1), 05902 (2021).
- Haj Najeeb, B., et al. Fluorescein angiography in diabetic macular edema: A new approach to its etiology. Investigation Ophthalmology & Visual Science. 58 (10), 3986-3990 (2017).
- Alam, M., et al. Quantitative optical coherence tomography angiography features for objective classification and staging of diabetic retinopathy. Retina. 40 (2), 322-332 (2020).
- Uddin, M., Jayagopal, A., McCollum, G., Yang, R., Penn, J. In vivo imaging of retinal hypoxia using HYPOX-4-dependent fluorescence in a mouse model of laser-induced retinal vein occlusion (RVO). Investigation Ophthalmology & Visual Science. 58 (9), 3818-3824 (2017).
- Qiang, W., Wei, R., Chen, Y., Chen, D. Clinical pathological features and current animal models of type 3 macular neovascularization. Frontiers in Neuroscience. 15, 734860 (2021).
- Park, J., et al. Imaging laser-induced choroidal neovascularization in the rodent retina using optical coherence tomography angiography. Investigation Ophthalmology & Visual Science. 57 (9), 331 (2016).
- Chen, J., Qian, H., Horai, R., Chan, C., Caspi, R. Use of optical coherence tomography and electroretinography to evaluate retinal pathology in a mouse model of autoimmune uveitis. PLoS One. 8 (5), 63904 (2013).
